为什么从“基础结构”绕回来
学习模型时很容易只盯网络结构，实际应用却不断遇到索引、队列、缓存、图和状态管理。一次检索要怎样组织数据？多步骤任务的依赖关系如何表示？重复请求何时可以复用结果？这些看似朴素的选择，会直接改变系统的延迟、成本和可解释性。
公开学习仓库是我整理基础概念的地方。它记录概念图、小实验与笔记，不代表我已经把其中每个方向都做成研究成果。把它和博客连接起来，是为了让抽象概念在具体问题里有落点。
接下来要补的空白
我想继续比较两种错误：算法本身不适合问题，以及数据组织方式让一个合适的算法失效。比如向量检索的近邻索引可以加速召回，却不会自动解决“旧信息更相似但已经失效”的语义问题。基础结构是必要条件，不是最后答案。
这条笔记会继续增长；以后新增具体例子时，我会把输入、预期结果和失败条件一起写出来，尽量避免只有定义、没有验证。
拿一个检索任务试手
假设个人笔记里有十条关于同一技术的记录，其中一条是最新的勘误。数组可以保存它们，倒排索引能找到关键词，向量索引能召回相似语义；但决定“勘误应覆盖旧解释”的，还需要版本关系和时间信息。数据结构改变的是查找路径，语义规则决定如何使用查到的东西。
我想用这种小题反复检查自己：选的结构到底解决了哪个瓶颈？它引入了什么新复杂度？如果一开始只有十条记录，也许简单遍历和清楚的元数据，比过早引入一整套检索服务更合适。